×
乔迪·克拉恩;沙哈瓦特·侯赛因;沙赫杜尔·汗

纵向和生存数据联合建模的有效估计方法。 （英语） Zbl 07778548号

J.应用。斯达。 50，第15号，3031-3047（2023）.
综述：纵向和生存数据的联合模型最近在医学和流行病学研究中受到了极大的关注。联合模型通常结合重复测量数据的线性混合效应模型和生存时间的Cox模型。当我们对纵向数据和生存数据进行联合建模时，变量选择和参数的有效估计对于进行可靠的统计分析尤为重要，而这两者目前在文献中都缺乏。本文讨论了当纵向和存活组分中的一些协变量可能与预测存活时间无关时，联合建模纵向数据和存活时间数据的预测试和收缩估计方法。在这种情况下，我们拟合了两个模型：包含所有协变量的完整模型和包含较少协变量的子集模型。我们将全模型估计量和受线性假设限制的估计量结合起来，定义预检验和收缩估计量。我们提供了它们的数值均方误差（MSE）和相对MSE。我们证明，如果收缩维数超过2，收缩估计的风险严格小于全模型估计的风险。我们提出的方法通过大量的仿真研究和实际数据示例进行了说明。

MSC公司：

62至XX 统计
62号02 生存分析和删失数据中的估计

关键词：

EM算法;最大似然;关节建模;纵向和生存数据;预测试和收缩估算

软件：

引导库;R（右）
PDF格式BibTeX公司 XML格式引用
\textit{J.Krahn}等人，J.Appl。《法律总汇》第50卷，第15号，3031--3047（2023；兹bl 07778548）
全文： 内政部 链接

参考文献：

[1] 艾哈迈德，S.E。；侯赛因，S。；Doksum，K.A.，LASSO和Weibull删失回归模型中的收缩估计，J.Stat.Plan。推断，1421273-1284（2012）·兹比尔1242.62075
[2] 阿萨尔，O。；Ritchie，J。；Kalra，P。；Diggle，P.J.，《重复测量和时间-事件数据的联合建模：入门教程》，《国际流行病学杂志》。，44, 334-344 (2015)
[3] Austin，P.C.，用时变协变量生成生存时间来模拟Cox比例风险模型，《统计医学》，31，3946-3958（2012）
[4] Baker，S.G.，使用EM算法处理分类数据时计算观测信息矩阵的简单方法，J.Compute。图表。《统计》，第163-76页（1992年）
[5] Bender，R。；奥古斯丁，T。；Blettner，M.，《生成生存时间以模拟Cox比例风险模型》，《统计医学》，241713-1723（2005）
[6] 克劳瑟，M.J。；艾布拉姆斯，K.R。；Lambert，P.C.，《纵向和生存数据的柔性参数关节建模》，《统计医学》，314456-4471（2012）
[7] 戴维森，A.C。；Hinkley，D.V.，Bootstrap方法及其应用（1997），剑桥大学出版社：剑桥大学出版社，剑桥·Zbl 0886.62001号
[8] Gueorguieva，R。；Rosenheck，R。；Lin，H.，精神分裂症临床试验中纵向结果和间隔相关竞争性风险下降的联合建模，J.R.Stat.Soc.Ser。A、 175、417-433（2012）
[9] 何，Z。；涂，W。；王，S。；Fu，H。；Yu，Z.，纵向和生存结果关节模型的同步变量选择，生物统计学，71178-187（2015）·兹比尔1419.62367
[10] 亨德森，R。；Diggle，P。；Dobson，A.，纵向测量和事件时间数据的联合建模，生物统计学，1465-480（2000）·Zbl 1089.62519号
[11] 希基，G.L。；Philipson，P。；Jorgensen，A。；Kolamunnage-Dona，R.，《时间-事件和多变量纵向结果的联合建模：最新发展和问题》，BMC医学研究方法。，16, 117 (2016)
[12] 霍根，J.W。；Laird，N.M.，《分析不完整纵向和失效时间数据的基于模型的方法》，Stat.Med.，16，259-272（1997）
[13] 侯赛因，S。；Howlader，H.，截尾数据对数正态回归模型中的收缩估计，J.Appl。Stat.，44，162-180（2017）·Zbl 1516.62335号
[14] 谢福林。；Tseng，Y.K。；Wang，J.，生存率和纵向数据的联合建模：重访似然方法，生物统计学，621037-1043（2006）·Zbl 1116.62105号
[15] 易卜拉欣，J.G。；Chu，H。；Chen，L.M.，纵向和生存数据联合模型的基本概念和方法，J.Clin。Oncol.公司。，28, 2796-2801 (2010)
[16] 李，N。；Elashoff，R。；李·G。；Saver，J.，《纵向顺序数据和竞争风险生存时间的联合建模和NINDS rt-PA卒中试验的分析》，Stat.Med.，29，546-557（2010）
[17] Li，S.，复发事件过程和间歇观测的时变二进制协变量过程的联合建模，寿命数据分析。，22, 145-160 (2016) ·Zbl 1356.62211号
[18] 恩贾吉，E.N。；莫伦贝格，G。；Rizopoulos，D。；韦贝克，G。；Kenward，M。；丹代尔，P。；Willekens，K.，《过度分散的纵向和时间-事件数据的灵活联合建模框架》，《统计方法医学研究》，25，1661-1676（2016）
[19] 帕克，K.Y。；Qiu，P.，《生存和纵向数据与交叉危险率函数联合建模的模型选择和诊断》，《医学总汇》，334532-4546（2013）
[20] R核心团队，R：统计计算的语言和环境，R统计计算基金会，奥地利维也纳，2019年。可在http://www.R-project.org/。
[21] Rizopoulos，D.，JM：纵向和时间对事件数据联合建模的R包，J.Stat.Softw。，35, 1-33 (2010)
[22] Rizopoulos，D.，《纵向和时间-事件数据的联合模型：在R中的应用》（2012），CRC出版社：CRC出版社，博卡拉顿·Zbl 1284.62032号
[23] Rizopoulos，D。；Ghosh，P.A.，多个纵向结果和时间-事件的贝叶斯半参数多变量联合模型，Stat.Med.，30，1366-1380（2011）
[24] Shizgal，B.，《纵向测量和事件时间数据的联合建模》，J.Compute。物理。，41, 309-328 (1981) ·Zbl 0459.65096号
[25] 唐，A.M。；Tang，N.S.，多元纵向和生存数据偏正态联合建模的半参数贝叶斯推断，《统计医学》，35，824-843（2015）
[26] Tang，N.S。；唐，A.M。；Pan，D.D.，多元纵向和生存数据的半参数贝叶斯联合模型，计算。统计师。数据分析。，77, 113-129 (2014) ·兹比尔1506.62174
[27] Thiébaut，R。；贾明·加达，H。；Babiker，A。；Commandes，D.，《利用信息缺失和左旋感知对双变量纵向数据进行联合建模，并应用于CD4+细胞计数和HIV RNA病毒载量的进化以应对HIV感染，Stat.Med.，24，65-82（2005）》
[28] 汤姆森，T。；Hossain，S.，线性约束下广义线性混合模型的有效收缩，Sankhya A，80，1-26（2018）
[29] Tsiatis，A.A。；Davidian，M.，《纵向和时间-事件数据的联合建模：概述》，Stat.Sin。，14, 809-834 (2004) ·Zbl 1073.62087号
[30] 威廉姆森，P.R。；Kolamunnage-Dona，R。；Philipson，P。；Marson，A.G.，纵向和竞争风险数据的联合建模，《医学总汇》，276426-6438（2008）
[31] Wulfsohn，M。；Tsiatis，A.，生存和纵向数据测量误差的联合模型，生物统计学，53，330-339（1997）·Zbl 0874.62140号
[32] 徐，C。；贝恩斯，P.D。；Wang，J.L.，使用EM算法进行生存和纵向数据联合建模的标准误差估计。，生物统计，15731-744（2014）
[33] 曾博士。；Cai，J.，重复测量和生存时间联合分析中最大似然估计的渐近结果，Ann.Statist。，33, 2132-2163 (2005) ·Zbl 1086.62034号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。